光学人工智能可以满足贪婪的数据需求

要为3d打印的多路复用系统供电,只需对着它光照

2分钟读取
在白色背景前,多种颜色的线条缠绕在一起

当科学家开发出一种3d打印的多路复用光学神经网络时,他们计算出它可以同时处理多达2000个数据通道。

加州大学洛杉矶分校Ozcan研究小组

一项新的研究发现,一种使用光子而不是电子的模拟大脑神经网络可以通过使用数千种波长的光同时运行许多计算来快速分析大量数据。

人工神经网络越来越多地应用于分析医疗扫描和支持自动驾驶汽车等应用。在这些人工智能系统中,组件(也称为神经元)被输入数据并合作解决问题,例如识别人脸.神经网络被称为"如果它拥有多层神经元。

随着神经网络的规模和能力的增长,它们变得越来越多能源饥饿当使用传统电子设备时。这就是为什么一些科学家一直在调查光学计算作为有前途的下一代人工智能媒体。这种方法使用光而不是电来执行计算,速度更快,比电子同类使用的能量更少。

例如,衍射光学神经网络由一堆层组成,每层都有数千个像素,可以衍射或散射光。这些衍射特征就像神经网络中的神经元。深度学习用于设计每一层,因此当以光的形式输入到堆栈上时,输出光会对图像分类或图像重建等复杂任务的数据进行编码。这项研究的资深作者、加州大学洛杉矶分校的光学工程师Aydogan Ozcan说,所有这些计算“不消耗电力,除了照明光”。

这种衍射网络可以以光速分析大量数据,以执行诸如识别物体等任务。例如,它们可以帮助自动驾驶汽车即时识别行人或交通标志,或者帮助医疗诊断系统快速识别疾病证据。传统的电子设备首先需要对这些物体进行成像,然后将这些信号转换为数据,最后运行程序来确定这些物体是什么。相比之下,衍射网络只需要接收从这些物体反射或以其他方式到达的光——它们可以识别一个物体,因为它发出的光大部分都衍射到指定给该物体的单个像素上。

此前,Ozcan和他的同事设计了单色衍射网络使用一系列用3D打印制作的64平方厘米的聚合物晶片。当用单一波长或颜色的光照射时,该衍射网络可以实现单一的衍射矩阵乘法运算.这些计算涉及到矩阵的数字网格相乘,是许多计算任务的关键,包括操作神经网络。

现在,研究人员已经开发出一种宽带衍射光学处理器,它可以同时接受多个输入波长的光,进行多达数千次的矩阵乘法运算,“以光速同时执行”,Ozcan说。

在这项新研究中,科学家们3d打印了三个衍射层,每个层有14400个衍射特征。他们的实验表明,衍射网络可以成功地使用两个亚毫米波长的太赫兹频率通道。他们的计算机模型表明,这些衍射网络可以同时接受大约2000个波长通道。

“我们通过使用波长证明了大规模并行光学计算的可行性多路复用Ozcan说。

科学家们指出,利用可见光和太赫兹以外的其他频率建立衍射网络应该是可能的。这种光学神经网络也可以用各种各样的材料和技术制造。

总而言之,它们“可能会在各个领域找到应用,包括,例如,生物医学成像,遥感,分析化学和材料科学,”Ozcan说。

科学家们详细描述了他们的发现1月9日发表先进光子学

对话(0)

人工智能会窃取潜艇的隐身能力吗?

更好的探测将使海洋变得透明——也许还会导致相互毁灭

11分钟读取
一张潜艇在水中的照片,在部分多云的天空下。

弗吉尼亚级快速攻击潜艇维吉尼亚州将于2010年穿越地中海。当时,只要潜水,它就能消失。

美国海军

潜艇的价值主要是因为他们隐藏的能力。核战争中,核潜艇能够在第一次导弹袭击中存活下来,从而能够在第二次打击中发射导弹作为回应,这是所谓“相互保证毁灭”威慑战略的关键。因此,任何可能使海洋变得有效透明的新技术,都可能破坏世界和平,使潜伏的潜艇变得微不足道。近一个世纪以来,海军工程师们一直在努力研发速度更快、噪音更小的潜艇。但他们也同样努力推进一系列雷达、声纳和其他旨在探测、瞄准和消灭敌方潜艇的技术。

随着20世纪60年代早期核动力潜艇的出现,这种平衡似乎发生了转变。在2015年战略与预算评估中心的一项研究中,布莱恩·克拉克哈德逊研究所的一位海军专家指出,这些船只长时间保持在水下的能力使它们“雷达和主动声纳几乎不可能发现“但即使是这些隐形的潜艇也会产生细微的、非常低频的噪音,从很远的地方就能被探测到声水听器阵列网络安装在海底的。

继续阅读↓ 显示更少
{“imageShortcodeIds”(“30133857”):}
Baidu